Implementasi Metode Klastering K-Means untuk Mengelompokan Hasil Evaluasi Mahasiswa

Abstract

Mengelompokan hasil evaluasi akademik mahasiswa adalah salah satu basis untuk memantau perkembangan kinerja akademik mahasiswa di suatu universitas. Pengelompokan mahasiswa ke dalam kategori yang berbeda sesuai dengan kinerja mereka telah menjadi tugas yang rumit. Dalam mengelola data akademik mahasiswa penulis menggunakan metode Data Mining dengan Algoritma K-means Clustering. Hasil penelitian ini berupa pengelompokan mahasiswa berdasarkan cluster mahasiswa berprestasi, cluster mahasiswa berpotensi berprestasi, cluster mahasiswa berpotensi bermasalah dan cluster mahasiswa bermasalah. Selanjutnya pengujian dilakukan dengan menggunakan aplikasi RapidMiner, yang hasilnya sama dengan perhitungan analisa Algoritma K-Means yang dilakukan.